Amazon SageMaker JumpStart

机器学习(ML)中心,包含只需单击几下即可部署的基础模型、内置算法和预构建 ML 解决方案

为什么选择 SageMaker JumpStart?

Amazon SageMaker JumpStart 是一个机器学习(ML)中心,可以帮助您加速 ML 之旅。借助 SageMaker JumpStart,您可以根据预定义的质量和责任指标快速评估、比较和选择 FM,以执行文章摘要和图像生成等任务。预训练模型可针对您的使用案例和数据完全自定义,并且您可以使用用户界面或 SDK 轻松将其部署到生产中。此外,您可以在组织内访问预构建的解决方案来解决常见使用案例和共享 ML 构件,包括 ML 模型和笔记本,以加速 ML 模型的构建和部署。

未使用您的任何数据来训练基础模型。由于所有数据都经过加密且不会离开您的虚拟私有云(VPC),因此您可以相信您的数据将会保持私密和机密。关于更多信息,请参阅常见问题

工作原理

  • 基础模型
  • 带有预训练模型的内置算法
  • 解决方案
  • 解决方案工作原理图
  • ML 构件共享
  • ML 构件共享工作原理图

工作原理

  • 基础模型
  • 带有预训练模型的内置算法
  • 解决方案
  • 解决方案工作原理图
  • ML 构件共享
  • ML 构件共享工作原理图

SageMaker JumpStart 的优势

来自热门模型提供商的基础模型,用于生成可完全自定义的文本和图片
带有来自热门模型中心的预训练模型的数百种内置算法
针对常见用例的完全可定制解决方案和参考架构,可加速 ML 之旅
在您的组织内共享 ML 模型和笔记本,以加速 ML 模型的构建和部署

Amazon SageMaker JumpStart 功能

  • 基础模型
  • 基础模型

    基础模型

    探索多个专有且公开可用的基础模型,这些模型用于执行各种诸如文章总结和文本、图像或视频生成之类的任务。由于根基模型是经过预训练的,因此它们可以帮助降低训练和基础设施成本,并支持针对您的应用场景进行定制。

  • 内置算法
  • 访问数百种内置算法

    SageMaker JumpStart 提供数百种内置算法以及经过预先训练的模型,这些模型均来自模型中心,包括 TensorFlow Hub、PyTorch Hub、HuggingFace 和 MxNet GluonCV。您也可以使用 SageMaker Python 开发工具包访问内置算法。内置算法包括常见的机器学习任务,如数据分类(图像、文本、表格)和情绪分析。

    了解有关内置算法的更多信息
  • 预构建的解决方案
  • 针对常见使用案例的预构建解决方案

    SageMaker JumpStart 为许多常见的机器学习使用案例提供一键式端到端解决方案,例如需求预测、信用率预测、欺诈检测和计算机视觉。
    了解有关预构建解决方案的更多信息

最新资讯

  • 日期(最新到最老)
未找到任何结果
1